Прогнозирование численности Microcystis aeruginosa на основе правил нечеткой логики и нечетких нейронных сетей
Автор: Гаязова Анна Олеговна, Абдуллаев Санжар Муталович
Статья в выпуске: 47 (306), 2012 года.
Бесплатный доступ
Описана процедура поиска потенциальных предикторов и создания прогнозных правил нечеткой логики и нечетких нейронных сетей для последующего прогнозирования вспышек численности синезеленой водоросли M. aeruginosa. В результате натурных наблюдений ряда биотических и абиотических параметров водной среды, проведенных на озере Смолино (г. Челябинск) за теплый период 2009 и 2011 года получены временные ряды численности M. aeruginosa и значений сопутствующих параметров. С помощью кросс-корреляционного анализа данных установлено, что потенциальными предикторами квазипериодических колебаний численности M. aeruginosa с периодом 12-20 дней могут выступать численность водоросли P. duplex, температура воды и концентрация нитрат-иона. По результатам кросс-корреляционного анализа заданы прогнозные правила и функции принадлежности в диапазоне изменений предиктанта и предиктора от нуля до 1. Для «автоматического» задания прогнозных правил и функций принадлежности с помощью специально написанной программы произведено обучение нечеткой нейронной сети на данных о значениях предиктанта и отобранных в ходе предварительного анализа параметров-предикторов. Для сравнения результатов дополнительно осуществлена линейная экстраполяция данных о численности предиктанта. Выявлено, что экстраполяционный прогноз хорошо работает на квазилинейных интервалах изменения численности, а алгоритмы нечеткой логики потенциально способны определить время наступления интенсивных вспышек численности предиктанта.
Прогнозирование вспышек, аlgae bloom forecasting, квазипериодические колебания, линейная экстраполяция, нечеткая логика, нечеткие нейронные сети
Короткий адрес: https://sciup.org/147160472
IDR: 147160472 | УДК: 519.710.5+502.51+574.633
Forecasting of Microcystis aeruginosa seasonal dynamics using the fuzzy logic and fuzzy neural networks
At determination of coefficient of the hydraulic conductivity of oil layer by the method of the hydrodynamic listening of mining holes there is a need for solving the inverse task of filtration. It is thus important to set the task so that to provide the uniqueness of the decision. In this article are defined the conditions which are sufficient for the uniqueness of the inverse problem.
Список литературы Прогнозирование численности Microcystis aeruginosa на основе правил нечеткой логики и нечетких нейронных сетей
- Marsili-Libelli S. Fuzzy Prediction of the Algal Blooms in the Orbetello Lagoon/S. Marsili-Libelli, G. Pacini, C. Barresi//Environmental Modeling & Software 19. -2004. -P. 799-808.
- Oh H.-M. Community Patterning and Identification of Predominant Factors in Algal Bloom in Daechung Reservoir (Korea) Using Artificial Neural Networks/H.-M. Oh, Ch.-Y. Ahn, J.-W. Lee, T.-S. Chon, K.H. Choi, Y.-S. Park//Ecological modeling. -2007. -Vol. 203. -P. 109-118.
- Гаязова A.O. Исследование сезонной динамики массовых видов фитопланктона озера Смолино/А.О. Гаязова, С.М. Абдуллаев//Вестник Челябинского государственного университета. Экология и природопользование. -2011. -№ 5(220). Вып. 5. -С. 70-75.
- Гаязова А.О. Оценка факторов среды, определяющих массовое развитие Microcystis aeruginosa в озере Смолино (г. Челябинск)/А.О. Гаязова//Биоиндикация в мониторинге пресноводных экосистем II. Сборник материалов международной конференции. -СПб.: Любавич, 2011. -С. 114-118.
- Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH/А.В. Леоненков. -СПб.: БХВ-Петербург, 2005. -736 с.
- Руководство по краткосрочным прогнозам погоды./под. ред. С.Л. Белоусова, А.А. Васильева, Н.Ф. Вельтищева и др. -Л.: Гидрометеоиздат, 1986. -Ч. I. -702 с.
